КПД
@quant_prune_distill - Chaîne Telegram
—
0 avis
3.4K
Abonnés
13/07/26
Ajouté
À propos de КПД
КПД est un canal Telegram dédié à Autre, avec plus de 3k abonnés. Квантование & Прунинг & Дистилляция Блог про сжатие сетей и не только. От древнейших времен по настоящее время. Rejoignez le canal pour recevoir toutes les mises à jour directement sur Telegram.
Description originale
Квантование & Прунинг & Дистилляция Блог про сжатие сетей и не только. От древнейших времен по настоящее время.
Messages récents
🛠
Метод
🎯
Авторы ставят своей целью эффективный инференс на edge-девайсах вроде мобилок. iOS накладывает жёсткие ограничения на размер памяти, используемой приложением, — ~3 гига, поэтому чекпоинт 4B-модели туда никак не влезет без оффлоадинга.
🏗
Архитектура модели включает в себя трансформерные блоки, PLE-эмбеддинги и объединённую LM-голову / эмбеддинги. Каждая из компонент требует своего рецепта
Годный
блогпостик
про использование FP4 квантизации в проде от провайдера Spheron.
В частности, оценивается стоимость инференса при аренде конкретной GPU с учетом максимально достижимого throughput при использовании данного типа данных, а также вопросы качества и доступности в инференсных фреймворках.
Quantized Reasoning Models Think They Need to Think Longer, but They Do Not
📄
Статья
📝
Блогпост
Известно, что квантизованные модели просаживаются в качестве несколько сильнее, чем модели на остальных классах задач.
Но из-за чего именно это происходит?
Команда из Meta обнаружила, что квантизованные модели подвержены overthinking: они начинают зацикливаться в рассуждениях и, даже получая в промежуто
🧪
Метод и эксперименты
Авторы рассматривают следующие варианты квантизации:
*
🔹
weight-only AWQ в 3 и 4 бита;
*
🔹
weight-only GPTQ в 3 и 4 бита;
*
🔹
weight + activation + KV-cache-квантизация в 4 и 8 бит при помощи
FlatQuant
.
Качество оценивают на задачах по математике, общим научным вопросам (GPQA-Diamond) и кодингу (LiveCodeBench). В качестве моделей рассматривают дистиллы дипсика и QwQ (почему
Extreme Low-Bit Inference in Reasoning Models: Failure Modes and Targeted Recovery
📄
Статья
💻
Код
Вдогонку про влияние квантизации на ризонинг.
Ребята из Brain Lab выпустили интересное исследование, показывающее, как ломается ризонинг у квантизованных моделей, а также пару стратегий, помогающих предотвратить зацикливание генерации.
🧪
Метод и эксперименты
В данной работе фокусируются на 2-битном weight-only-сжатии ризонящих моделей. В аппендиксе есть эксперименты с FP4, со сжатием активаций и KV-кэшей. Квантизуют модели Qwen3-8B / Qwen3-32B через GPTQ.
Оказывается, что квантизация сильно меняет поведение трейсов ризонинга:
🔄
Число циклов резко возрастает, особенно для меньшей модели.
📏
Многие трейсы не вписываются в заданный
Интересная по описанию либа
Humming
от InclusionAI.
Позиционируется как легковесный, высокопроизводительный фреймворк с JIT-компилированными GEMM-операциями (под NVIDIA GPU).
⚙️
Он предлагает широкий ассортимент кернелов под разные конфигурации квантованных весов и активаций:
•
🧮
Веса можно квантовать почти в любую целочисленную битность от 1 до 8, а также в разные варианты FP.
•
⚡
Активации можно
Бывает и такое, что Reviewer #2 ставит тебе Accept.
Но ревью настолько короткое и несодержательное, что Area Chair не примет во внимание...
Aperçu texte des derniers messages publics — le contenu multimédia n'est pas affiché.
Avis (0)
Pas encore d'avis
Questions Fréquentes
Appuyez sur le bouton 'Ouvrir dans Telegram', puis sur 'Rejoindre' pour vous abonner au canal.
Oui, ouvrez le canal, touchez le nom en haut, puis 'Notifications' et choisissez 'Couper le son' pour la durée souhaitée.
La fréquence de publication varie d'un canal à l'autre. Consultez les publications récentes pour vous faire une idée.
Certains canaux indiquent dans leur description un lien vers un groupe de discussion ou un contact administrateur. Sinon, ils ne peuvent pas être contactés directement.
Autres Chaînes dans Autre
